在世界杯預測時準確率超高的百度大數(shù)據(jù)預測在穩(wěn)步推進時遇到了一個小障礙，尚處于內測的票房預測對《黃金時代》的預測與實際結果出現(xiàn)了偏差，被媒體長篇報道引發(fā)業(yè)內高度關注，筆者一直在觀察大數(shù)據(jù)預測業(yè)務，對于百度預測《黃金時代》失利一事有自己的一些觀點，不吐不快。
一、看待大數(shù)據(jù)預測失準要冷靜客觀
近年來，“大數(shù)據(jù)”一詞頻繁出現(xiàn)在各類媒體上，與大數(shù)據(jù)相關的各種產(chǎn)業(yè)、產(chǎn)品也在蓬勃發(fā)展。今年2月，中關村管委會在《加快培育大數(shù)據(jù)產(chǎn)業(yè)集群推動產(chǎn)業(yè)轉型升級的意見》發(fā)布會上表示，到2016年，中關村大數(shù)據(jù)帶動的產(chǎn)業(yè)規(guī)模將超過1萬億元，這還僅僅是中關村大數(shù)據(jù)產(chǎn)業(yè)的數(shù)字而已，放眼全球，大數(shù)據(jù)未來的“錢景”非?？捎^。盡管大數(shù)據(jù)概念被熱炒，但與大數(shù)據(jù)相關的各種產(chǎn)品其實尚處在初期探索階段，比如利用大數(shù)據(jù)做預測，盡管百度預測此前在世界杯預測、黃金周旅游預測等產(chǎn)品上表現(xiàn)出比較高的準確率，但對“預測”本身來說，出現(xiàn)失準的現(xiàn)象其實很正常。
具體到《黃金時代》票房預測這件事上，我們先來看看百度的官方解釋。百度對媒體的回應并沒有將問題歸結到“工程師犯錯”，而是直接指出核心原因：因為我國電影市場上文藝片的歷史票房數(shù)據(jù)很少，所以在針對《黃金時代》進行預測時采用了通用的模型而沒有針對文藝片單獨建模，導致最終結果出現(xiàn)偏差。
擁有蕭紅、民國、文藝這些標簽，《黃金時代》算得上相對小眾的電影，面向的觀眾并非主流人群。關于這類電影的任何數(shù)據(jù)都是少之又少，沒有對應類型片的預測模型可供參考。百度在預測《黃金時代》時采取了通用電影的模型，導致出現(xiàn)了較大偏差，未來如果要預測準確，最好的解決方式肯定是針對不同類型的電影單獨建模，而據(jù)我了解，尚處在內測階段的票房預測已經(jīng)在進行這方面的改進。
瀏覽百度預測平臺（trends.baidu.com)，百度票房預測的圖標是灰色的，并沒有正式上線，相反，經(jīng)濟指數(shù)、疾病、景點和賽事預測倒已全面上線投入使用。百度票房預測模型還需進一步完善，更多參數(shù)需要加入模型，比如影片屬性、片長、排片量、場均票價等全方位維度都納入考慮。
不過，從另一個角度來看，我認為，就算是百度票房預測正式上線之后出現(xiàn)“預測失誤”，也非常正常，沒有誰真正擁有水晶球，大數(shù)據(jù)預測無法確定某件事情必然會發(fā)生，它更多是給出一個概率，人類只有不斷地去接近這一個概率。預測的前提就是要承認不確定性的存在。在不同領域不確定性大有不同。票房、股市恰恰就是更容易受人為影響的存在大力不確定性的領域，預測的難度會大過天氣、旅游、交通、物價等。
因為一部《黃金時代》預測失利便質疑大數(shù)據(jù)預測本身，或者票房預測本身，是不合理的。百度此前在世界杯期間、在黃金周期間相對漂亮的預測結果，已經(jīng)證明了大數(shù)據(jù)預測的價值，只不過面對票預測房這一全新的領域，需要更耐心地優(yōu)化而已。那么，票房預測在中國真的沒效嗎？
二、預測的精髓在于沉淀和糾偏
《為什么大數(shù)據(jù)在預測《黃金時代》票房時不靈了？》一文的核心觀點列舉如下：1、中國票房數(shù)據(jù)沉淀太少；2、一些人為制造的數(shù)據(jù)對票房預測造成干擾；3、預測模型處于初級階段，變量遺漏和樣本偏差；4、影院經(jīng)理預測靠譜，票房預測沒有意義，電影預測談大數(shù)據(jù)為之過早。
對于這些觀點，只有第3點我表示認同，這是客觀事實，百度也承認處于內測階段的票房預測模型存在不足尚需完善。但如果深思則會發(fā)現(xiàn)，世界上并無完美的預測模型，每個領域都是，下一秒要發(fā)生的事情會受到諸多變量影響，有些變量是可提前納入考慮的，有些變量就算考慮到卻又是很難監(jiān)控，變量遺漏和樣本偏差是永遠存在的預測問題，預測者只有不斷地更新變量、糾偏樣本、升級模型才可以不斷地保持預測足夠接近真實。
在《大數(shù)據(jù)預測將會改變哪些行業(yè)？》一文中，筆者總結大數(shù)據(jù)預測的邏輯基礎是，每一種非常規(guī)的變化事前一定有征兆，每一件事情都有跡可循，如果找到了征兆與變化之間的規(guī)律，就可以進行預測。對于預測來說至關重要的兩點是：從過往數(shù)據(jù)和經(jīng)驗中得到的規(guī)律，這映射到預測模型；可以實時監(jiān)控的“變化”，映射到變量或者說實時數(shù)據(jù)。大數(shù)據(jù)預測與傳統(tǒng)預測的不同就在于：更具時效性、新型數(shù)據(jù)源、動態(tài)性預測以及規(guī)律性依賴。
對票房預測持消極態(tài)度的首先將問題歸結為數(shù)據(jù)：電影數(shù)據(jù)沉淀太少、各家網(wǎng)絡數(shù)據(jù)不通以及臟數(shù)據(jù)問題。
1、沉淀太少是杞人憂天。
中國票房數(shù)據(jù)沉淀太少可能是客觀事實。但預測需要海量歷史數(shù)據(jù)的原因在于從中發(fā)現(xiàn)規(guī)律。但倘若只有100年的票房數(shù)據(jù)，卻并沒有與影響這些票房數(shù)據(jù)的“變量”數(shù)據(jù)，對于挖掘規(guī)律其實并無幫助。
一個例子是百度在做世界杯預測時便與第三方數(shù)據(jù)公司合作得到大量歷史數(shù)據(jù)進行挖掘，將球隊、隊員、場地等靜態(tài)因素考慮在內同時引入輿情、歐賠指數(shù)等動態(tài)變量，最終實現(xiàn)接近準確的預測。
對于票房預測而言，就算得到中國80、90年代的票房數(shù)據(jù)，而不是“預測相關數(shù)據(jù)”，對于票房規(guī)律的獲取并無什么幫助，那時候并無互聯(lián)網(wǎng)，電影市場早已面目全非。票房預測究竟需要什么數(shù)據(jù)？沒有人可以告訴我們答案。等到10年之后數(shù)據(jù)積累完全再來談大數(shù)據(jù)預測，并不現(xiàn)實。因為今天不做，人們就不知道該收集、記錄什么數(shù)據(jù)。況且誰又能指出10年與2年在時間上的差距會對數(shù)據(jù)積累造成什么本質不同呢？
大數(shù)據(jù)預測的數(shù)據(jù)源優(yōu)勢正是在于它可以更全面及時地記錄數(shù)據(jù)，并且收集到過往完全無法收集的數(shù)據(jù)比如用戶的需求、輿情、情緒變化，或者說出行規(guī)律、電影票價、影院排期數(shù)據(jù)。因此與其去擔憂“傳統(tǒng)數(shù)據(jù)沉淀不足”還不如思考票房預測究竟需要哪些數(shù)據(jù)，究竟如何才能提升規(guī)律？
2、數(shù)據(jù)不通和臟數(shù)據(jù)是永恒問題。
網(wǎng)絡數(shù)據(jù)不通是整個互聯(lián)網(wǎng)都要面臨的數(shù)據(jù)鴻溝問題，沒有哪一家擁有全網(wǎng)的數(shù)據(jù)，聚合全網(wǎng)數(shù)據(jù)進行預測幾乎是不可能完成的任務，況且這根本沒任何必要。如果說社交網(wǎng)絡數(shù)據(jù)對預測很重要，那么中國只有騰訊才可能做好預測——實際并沒有做。阿里淘寶指數(shù)已成為電商銷量風向標、百度搜索指數(shù)對于各行各業(yè)同樣具有重要的參考意義，因為它表征興趣。每家掌握數(shù)據(jù)的性質不同，但確實可通過合作去得到更多維度的數(shù)據(jù)，最終提升預測可靠性，但要各家直接打通數(shù)據(jù)壁壘是不現(xiàn)實的。
同理，“臟數(shù)據(jù)”以及”噪音“是整個互聯(lián)網(wǎng)永遠存在的現(xiàn)象，就算是傳統(tǒng)的采樣調研難免也會遇到噪聲樣本進而被干擾。應對這個問題只有盡量過濾噪音數(shù)據(jù)，同時考慮到噪音對模型進行不斷地糾正，并且增大預測結果的誤差范圍。還有一個假設是，如果有臟數(shù)據(jù)對結果起到積極作用（比如讓票房成績更好），同樣會有臟數(shù)據(jù)對結果起到消極影響。
百度搜索結果不排除有人為操作的數(shù)據(jù)，水軍評論、豆瓣評分大家心知肚明，但文中所提及的百度商業(yè)化結果卻根本算不上臟數(shù)據(jù)，因為百度要排除商業(yè)廣告的影響輕而易舉，況且這些數(shù)據(jù)對預測是十分有價值的，Google票房預測模型一部分便是基于廣告點擊數(shù)據(jù)。
3、影院經(jīng)理不是預測而是影響票房。
影院經(jīng)理確實可預測對應影院某部電影的票房結果。如果他們掌握拍期權甚至還可以直接影響、決定對應電影的局部票房。所有影院經(jīng)理最終會對整體票房造成莫大的影響。這并不是一個因果關系，而是環(huán)環(huán)相扣：影院經(jīng)理在預測票房的同時也影響著票房。
我們可以將影院經(jīng)理對應到股市中的股民，股民對自己所關注的股票價格有所預期，基于這個預期進行減倉或增持等操作。所有股民的博弈最終決定了股價的波動。但這并不意味著股民是最好的股票預測專家。在旅游、交通、房價等領域均有類似的狀況，參與者基于個體的預測，或者第三方預測結果去做出行動，進而影響結果。
這里想說明的是，將參與者與預測者放在一起本身就不合適，參與者是十分重要的動態(tài)變量?！饵S金時代》出現(xiàn)如此慘淡的票房很大程度便是票房經(jīng)理不斷降低預期進而減少排片所致。不過，百度未來與影院或者票房經(jīng)理合作倒確實可以提升預測準確率，一方面在線下升級模型，另一方面將票房經(jīng)理的排期計劃納入監(jiān)控范圍，把百度數(shù)據(jù)+工程師的大數(shù)據(jù)預測升級為眾包式的票房預測，倒有可能。
最后我想說的是，因為一部電影的預測失利否定大數(shù)據(jù)票房預測確實有待商榷，天氣預報不斷地沉淀不斷地升級才能做到今天的準確率以及精細化，但仍有不準的時候，在影響我生活時我也曾憤怒地認為天氣預報不考慮，但大家都知道事實并非如此。票房預測剛剛開始，或許應該得到更多包容。從長遠來看，通過不斷的優(yōu)化，如果票房預測產(chǎn)品最終能夠達到一定的準確度，那么對于整個電影產(chǎn)業(yè)將會提供非常重要的參考價值，比如對投資方、拍攝方、推廣方提供更準確的數(shù)據(jù)參考，從而引導他們在宣傳推廣、劇情設置甚至是甄選演員等方面做出更加準確、有利的判斷。
京公網(wǎng)安備 11010502049343號